Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Machine Learning für Präklinische Erkennung von Schlaganfall durch Gefäßverschluss

Garcia BL et al. · Eur Stroke J · erschienen 05.09.2026 · in PubMed seit 18.09.2026 · PMID 42758735

Von KI ausgewählt und zusammengefasst

Worum es geht

Vergleich von XGBoost, logistischer Regression und klinischen Scales zur Präklinischen Erkennung von Schlaganfällen mit großem Gefäßverschluss oder Hirnblutung anhand von Rettungsdienst-Daten.

Ergebnis

XGBoost erreichte balanced accuracy von 82,1 % mit Routine-Variablen und 84,4 % mit erweiterten Variablen, übertrifft logistische Regression (79,0–80,7 %) und RACE-Scale (74,5 %); Sensitivität 76,7 %, Spezifität 92,1 %.

Übertragbarkeit auf Deutschland

Niederlande, vergleichbares europäisches Gesundheitssystem, prospektive Validierung erforderlich.

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.